曼彻斯特大学 COMP23311《软件工程 1》：学什么、怎么考、难在哪

曼大 COMP23311《软件工程 1》是计算机本科二年级课（10 学分，Level 2）：把软件当工程过程学——计划、估算、测试、质量证据、生成式 AI 变革；考核为 3 小时笔试 70% + 团队实操 30%，双先修编程 1、2。

课程官网（学校官网）：https://www.manchester.ac.uk/study/undergraduate/courses/2027/00560/bsc-computer-science/course-details/COMP23311

COMP23311 是一门什么课？

一句话：软件工程不等于编程——它研究的是软件从定义、创建、改进、部署到维护的过程；这门课教的就是这个「过程」，让你从写程序的人变成做工程的人。

这是曼彻斯特大学（The University of Manchester）计算机科学系（Department of Computer Science）的本科课程，课程代码 COMP23311，英文名 Software Engineering 1，中文通常译作「软件工程 1」——名字里的 1 表示这是系列入门篇。官网标注：10 学分（曼大 10 学分单元），单元级别 Level 2，第一学期开课（Semester 1）；不作为自由选课单元（Available as a free choice unit? No）。本单元隶属 2027 入学 BSc Computer Science（UCAS 课程码 G400 / 院校码 M20）；单元协调人为 Thomas Carroll。

官网 Overview 写得很直白：软件工程往往包含大量编程，但它不等同于编程（not synonymous with programming）——它更关心软件制品的定义、创建、改进、部署与维护所涉及的过程；课程理论与实操混合。除了技术技能，还要批判性理解各种社会与技术现象将如何影响这个职业的未来。

官网 Syllabus 主题清单覆盖：软件工程的核心定义；系统与项目的关系；主张与证据（对项目与系统我们能做什么主张、能动员什么证据）；复杂度及其管理；系统与项目质量及其度量与保障；测试作为主要的证据与开发机制；软件构造任务（设计、调试、性能分析）；伦理、商业与社会议题；软件工程专业性；软件系统安全；当前大模型驱动的软件工程变革。

官网 Aims：把软件工程当作一门智识学科与一个职业来介绍，装备「合格初级软件工程师」所需的基础知识与技能。一条主线一以贯之——每个工程主张都要有证据：质量要能度量、正确性靠测试证明、进度靠估算与跟踪；这套「讲证据」的思维是从「会写程序」到「会做软件」的分水岭。

和国内《软件工程》有什么不同？

和国内课程比，最大的差别是：国内软工课重概念与文档，这里按真实团队流程跑一学期。

• 课程定位：国内《软件工程》多以生命周期与 UML 讲授为主、配一张试卷；本课以团队项目为主线，管理任务（计划、估算、跟踪）直接计分。
• 反馈机制：RoboTA＋Jenkins 持续集成对团队作业全程自动反馈；国内课程作业多交完才评，没有工具链级别的过程监督。
• 评分方式：3 次面对面答辩式访谈评分＋行业导师见面；国内小组作业几乎全是提交材料评分。
• 内容前沿：生成式 AI 对软件工程的变革写进大纲并进考核；国内教材版本普遍未覆盖。
• 受众训练：同一分析按同事/经理/客户分层汇报是明列学习成果；国内软工课少有口头汇报训练。

考核怎么算？

官网 Assessment methods 写明：笔试（Written exam）占 70%，实操技能评估（Practical skills assessment）占 30%；官网 Study hours 栏标注考试为 3 小时。

配套反馈体系官网列得很细：教学为「讲座＋每周工作坊＋每周两次团队学习课＋必修线下自学」，团队课每组有行业导师 2 次见面、3 次答辩式评分；RoboTA＋Jenkins 持续集成对团队作业自动反馈，助教当面反馈，批改后另有书面与口头反馈。

这个结构意味着三件事：

第一，笔试定七成——对概念清晰、论述有据的学生有利；对只会动手写代码、不善书面论证的学生不利。

第二，30% 实操是过程性的、丢不起。它由团队作业、答辩访谈与工具链过程共同构成，拖到最后等于把过程分与口试分一起丢，笔试再高也补不平；反过来，实操分先落袋，笔试只要稳住概念与论述就能守住总分。

第三，必修线下自学计入考核——官网明说线下学习活动与阅读是必修，卷面会覆盖只在线下材料里讲过的内容。

先修要求是什么？

官网 Pre/co-requisites 写明：先修 COMP16321（Introduction to Programming 1）与 COMP16412（Introduction to Programming 2），均为必修；非计算机科学学院学生选课须同时获得计算机学院与本学院的许可。

两门先修让你能独立写中等规模程序，但这门课真正要补的底子是（分析，非官网要求）：会读英文技术文档（选型比较要用）、会用版本管理（团队协作起步就靠它）、敢用英文写结构化论证（分析类作业的载体）——编程之外的三样，开课前都能自备。

学完能做什么？

官网学习成果覆盖七条 ILO：能从头到尾设计并实现一个小规模「从零开始」（from scratch）软件工程项目，达到三年级项目可比的完成度（ILO4）；能做基础开发管理任务——计划、估算、问题描述、问题跟踪（ILO2），并在项目语境中做设计、调试、重构、制品管理（ILO6）；能解读、评估并产出面向不同受众（同事/经理/客户）的技术分析（ILO1），并描述软件工程基本概念——复杂系统、生命周期、质量保证、测试（ILO3）；能评估社会与技术趋势（如生成式 AI）对项目和职业的影响，并说清技术细节与商业、社会、伦理价值的关系（ILO5/ILO7）。

能力上，学完你能以初级软件工程师的身份进团队干活：描述软件工程基本概念、在开发项目中做设计调试重构与制品管理、执行计划估算与问题跟踪、按受众分层做技术汇报。

去向：软件开发工程师、DevOps/平台工程、技术项目管理（TPM）方向的第一块拼图；团队项目＋行业导师＋持续集成正是初级岗位 JD 的高频词。对暂不做工程师的人，这门课的「主张要证据、汇报看受众」训练，迁移到产品、咨询任何岗位都成立。目标走软件开发、DevOps、项目管理方向的学生，这门课的行业导师与持续集成经历是简历上最早能写的「工程经验」。

适合谁：计算机科学二年级学生最对口——它是三年级毕业项目的直接预演（官网 ILO4 明说可比性）；愿意在团队里承担管理任务（计划、估算、跟踪）的学生——这些活计分且躲不掉；对行业趋势敏感的人——生成式 AI 对软件工程的影响直接进了教学大纲。不适合抗拒团队协作、口头答辩与英文写作的学生：30% 实操分全在这些环节里。

难点与常见挂因

这门课的难点在「从写程序的人变成做工程的人」。

具体难在这些地方：

1. 质量要「讲证据」。 说一个系统可靠、可维护，必须落到度量与测试数据；国内软工课背概念多（耦合、内聚、生命周期），做过的度量少——课程作业里质量主张没有证据链，答辩直接被问倒。证据从哪来？测试通过率、代码覆盖率、缺陷修复时长，这些团队工具链天天在产出的数字，都是你主张的后盾。
2. 估算与计划没有公式。 工作量、工期、风险都要估计再跟踪修正；国内作业给定了需求与时间，学生从没为自己估过工时——开发管理任务里估算拍脑袋、计划无跟踪，过程分就拿不到。估算的入门练习很朴素：每件事先写「预计要多久」，做完再写「实际多久」，两列对照几周后，估算误差自己就会收窄。
3. 测试是开发机制而非收尾。 官网明示测试是「主要的证据与开发机制」；国内课程测试多为附带章节，代码写完补几个用例——团队项目里没有持续测试与集成，Jenkins 上的反馈会让问题一直亮着。正确姿势是「测试先行一步」：每次动代码前先想「怎么证明它没坏」，用例写在实现旁边，Jenkins 亮红灯的次数自然下降。
4. 复杂度管理。 系统复杂度、团队复杂度、任务依赖同时压来；国内个人大作业没有多线并行经验——团队学习课上分工不清，答辩时有人讲不出自己系统的全貌。
5. 「主张—证据」的批判阅读。 要评估技术选型（库、工具）并分层次汇报给不同受众；国内学生习惯唯一正确答案，面对开放比较题不会组织论证——技术分析类作业写成了功能罗列。组织论证的框架是「候选—准则—评判」：列出两三个候选方案、说清评判准则（性能、维护成本、学习曲线）、再给出选择与理由——功能罗列就变成了分析。

常见挂科原因，每条都有早期信号：

• 团队作业过程分流失：工具链记录凌乱、访谈讲不清分工。早期信号是开学几周后 issue 面板还是空的。→ 每周提交与更新有记录，任一模块能脱稿完整讲清。
• 估算任务交白卷：从没记录过自己的工时，估算无从校准。早期信号是第一份计划表没有数字。→ 连续记录「预估 vs 实际」，用真实数据交估算。
• 质量主张没有证据：只说「系统很稳」，拿不出度量与测试数据。早期信号是汇报里没有一张图表。→ 每条主张配一个数字或一个测试结果。
• 期末论述空泛：伦理与趋势题只背了名词，没练成段论述。早期信号是练习题答不满半页。→ 每个主题「利—弊—治理」三段各配一案例；生成式 AI 这类趋势题，正反素材方向现成：生产力、代码质量、职业结构、责任归属——四个词各展开就是一篇。
• 线下自学欠账：必修自学材料没当课，考前才发现考卷覆盖。早期信号是某周线下材料没打卡。→ 期末前把全部线下材料重过一遍并做笔记。
• 答辩表达失分：技术词堆给所有听众，结论后置。早期信号是模拟汇报被追问「所以呢」。→ 任何汇报第一句给结论，短版本随时可讲。

留学生特别提醒

这几条坎专门冲着中国学生的学习习惯来：分层汇报、工具链协作、答辩评分、伦理论述，还有一个被低估的「估算文化」。

• 英文技术汇报的「分层表达」最陌生。 同一份技术评估要讲给同事、经理、客户三种受众（官网 ILO1 明列），用词与详略全要换；国内几乎没有按受众切换表达的训练——对导师讲了半页术语，听众没听懂结论。→ 每个汇报先写「一句话结论」，再按受众展开，练到短版与长版随时可切换。
• 团队协作的工程规范断层。 小组要用问题跟踪、制品管理、持续集成（RoboTA＋Jenkins 全程记录）；国内小组作业常靠群聊分工、最后拼代码，没有工具链协作经验——提交记录凌乱、issue 不更新，工具链数据直接反映低贡献。→ 开课前过一遍 Git 分支与合并、任选一个问题跟踪工具管一次小项目，练到每次改动有记录、有说明。工具链数据是「中性的贡献证据」：它不会替你夸大，也不会漏掉你的活——对不善自荐的人反而是好事。
• 答辩式评分的表达压力。 团队作业有 3 次面对面访谈评分，个人要当场讲清自己与团队的工作；第二次访谈后讲不清自己模块与他人接口，个人分会被压。→ 每周团队课后自述「我做了什么、为什么这么做、下一步」，练到脱稿讲清。接口部分要提前准备：你的模块从谁那里拿什么、交给谁什么——两次答辩之间隔着的正是这根线。
• 伦理与社会议题的论述不适应。 生成式 AI 对行业的影响、技术与社会价值的关系都在考纲；国内工科课很少把伦理讨论写进考核——只会写好处，不会批判性讨论风险与治理。→ 为每个主题准备「利—弊—治理」三段素材，各配一个案例，练到不背稿能成段输出。
• 线下自学的自律要求被低估。 官网明说线下学习活动与阅读是必修、且计入课程作业与考试的考核；国内学生习惯「课堂讲了才算数」——卷面会出现只在线下材料里讲过的内容。→ 每周把线下材料当课表排进日程，完成即打勾。
• 估算文化的错位。 「估时」在这门课是被认真考核的工程行为，国内作业从不要求报工时，学生第一次交估算常常全员填同一数字。→ 从第一周起为自己所有学习任务记录预估与实际用时，攒够一个月就有真实校准数据。

怎么准备？

最划算的准备，是把「工具链」「估算记录」「分层汇报」三件事提前跑起来——30% 实操分全压在这三样的熟练度上。

• 开课前过一遍 Git。 分支、合并、提交说明练熟；团队协作第一周就要用。
• 选一个 issue 跟踪工具练手。 拿自己的学习计划当小项目管理一次；课程里换到团队工具就是无缝衔接。
• 建「预估 vs 实际」记录表。 从现在开始给自己的任务记工时；这是课程估算任务的真实校准数据源。
• 练「结论先行」汇报。 每次开口先给结论再给理由，短版本随时可讲；答辩评分吃这一套。
• 第一周做三件事。 确认 RoboTA/Jenkins 账号与团队仓库可用；把线下自学材料排进每周日程；记下 3 次访谈评分的时间窗。
• 每次提交都留痕。 提交说明写清「做了什么、为什么」，工具链数据就是你的过程分证据。
• 每周自述三句。 我做了什么、为什么这么做、下一步；答辩的肌肉记忆靠每周练。
• 期末前重过线下材料。 必修自学内容是考卷覆盖范围，最后两周完整再过一遍并做笔记。

中英术语速查

• software engineering —— 软件工程：软件制品定义、创建、改进、部署与维护的过程之学。
• estimation —— 估算：对工作量与工期的预测，须有校准数据支撑。
• issue tracking —— 问题跟踪：用工具记录与跟进每个开发任务。
• refactoring —— 重构：不改变行为的前提下改进代码结构。
• artifact management —— 制品管理：对代码与交付物的版本化组织。
• quality assurance / metrics —— 质量保证 / 度量：质量主张要有数据背书。
• RoboTA —— 曼大的自动化作业反馈系统。
• Jenkins（continuous integration） —— 持续集成服务：自动构建与测试团队代码。
• industrial mentor —— 行业导师：来自业界的团队指导者，本课每组两次见面。
• recommended reading —— 推荐书单：《Code Complete》《Pro Git》《The Pragmatic Programmer》等。
• generative AI in software engineering —— 生成式 AI 与软件工程：官网大纲明列的当代议题。
• from scratch project —— 从零开始项目：ILO4 要求的完整小型工程实践。
• G400 —— BSc Computer Science 的 UCAS 课程码。

关于我们

鱼之跃做在读留学生的学业支持，服务分两块，界限很清楚：

辅导＝老师授课：由 QS 前 200 院校的硕博老师把课程的知识点、推导链、作业要求讲透，按对口专业配课；覆盖同步辅导、论文辅导、考前辅导、预习。

护航＝你的学业管家：排计划、理材料、理流程这些杂事都替你打点好，该提前准备的他先想到；你只管学，有事随时找，需要时都在。同地区的留学学姐，熟悉你所在学校的节奏。

学术问题上的申诉，我们做材料梳理与流程陪跑，不代写、不代考、不碰学术诚信边界，也不承诺任何成绩。

课程官网与核对说明

课程官网（学校官网）：https://www.manchester.ac.uk/study/undergraduate/courses/2027/00560/bsc-computer-science/course-details/COMP23311

本文涉及学校、院系、课程代码、课程名称、学分、层级、开课学期、自由选修属性、所属项目、协调人、课程内容主题清单、学习成果（ILO1–7）、教学与反馈体系（RoboTA/Jenkins、行业导师、3 次答辩评分）、考核构成（笔试 70%、实操 30%、3 小时考试时长）、先修要求与修课许可的事实，均来自上述学校官网单元详情页；核对时间为 2026-10-30。考试时长为官网 Study hours 栏事实，按官网口径呈现；学时拆解属学习投入口径，未采用。文中「与国内课程差异、要补的底子、难点、适合谁、怎么准备」等属于基于课程结构的分析与学习建议，不代表学校官方要求。

← 学业指南首页课程库